基于改進YOLOv8 模型的巡檢機器人目標檢測方法研究

殷北辰，王子健，程 智，徐新喜

（軍事科學院系統工程研究院，天津 300161）

0 引言

生物安全實驗室也稱生物安全防護實驗室，是通過防護屏障和管理措施來避免或控制被操作的有害生物因子危害，達到生物安全要求的生物實驗室和動物實驗室。諸多新發未知和突發烈性病原體研究需要在高等級生物安全實驗室中進行[1]。目前實驗室的安全監測主要依賴設備層人工巡檢的方式，該方式存在安全風險，且無法實時保障巡檢質量。將智能機器人技術引入實驗室設備層是現階段滿足高等級實驗室安全管控要求的最佳選擇[2]。采用智能機器人技術進行設備層巡檢，既具有人工巡檢的靈活性和智能性，同時克服和彌補了人工巡檢中人員工作環境危險、壓抑，并且工作質量無法保證等缺陷和不足。運用目標檢測方法對設備層目標儀表進行識別能實現巡檢機器人對目標的準確識別[3]，從而提高巡檢機器人工作的效率并縮短巡檢時長。

近年來，許多學者提出了不同的目標識別檢測模型[4]。比如以區域卷積神經網絡（region covolutional neural networks，R-CNN）系列為代表的兩階段算法模型[5]，該算法模型采用區域提取操作，首先利用卷積神經網絡（covolutional neural networks，CNN）骨干網提取圖像特征，然后從特征圖中找出可能存在的候選區域，最后在候選區域上進行滑動窗口操作，進一步判斷目標類別和位置信息。為進一步提高目標檢測的實時性，一些學者提出將目標檢測轉化到回歸問題上的簡化算法模型，如YOLO 系列和單發多框檢測器（single shot multibox detector，SSD）系列基于位置回歸的單階段目標檢測模型[6]，在提高檢測精度的同時提高了檢測速度。……